R Module 2: Les échelles • Echelles et mesure en … · • Echelles et mesure en sciences sociales ... S6 R Mesures de ... loadings, cosinus (des angles), composantes (principales)

MeS

SM

od

ule

II

S1

RModule 2: Les échelles

• Echelles et mesure en sciences sociales- Mesurer des concepts abstraits/complexes (p.ex. attitudes)

- Mesures et questionnaires (questions

• Echelles (tests, indices)

- Echelles “conceptuelles” (Exemple Postmatérialisme)

- Création d’échelles ad hoc (Potentiel d’action)

- Catalogues d’échelles, nomenclatures (ex. des professions)

- Développement systématique d’échelles (Guttman, Likert,…)

• Echelles- Uni-dimensionnelles

- Multi-dimensionnelles

• Outils d’analyse- Tableaux de moyennes, analyse de la variance

- Segmentation

• SPSS- Transformations: RECODE, IF, COMPUTE

MeS

SM

od

ule

II

S2

RMesurer l’intérêt pour la politique

• Indicateur synthétique: uni- ou multi-dimensionnel?

- Intérêt: concept unidimensionnel?-→ Création d’une échelle uni-dimensionnelle

Indicateur 3Indicateur 4


Indicateur“synthétique”

(Echelle)

Manifeste Latent

- Intérêt: concept multi-dimensionnel? → Plusieurs échelles...

Intérêt actifIndicateur 3Indicateur 4


Intérêt passifIndicateur 7Indicateur 8


Intérêt pour la

Manifeste Latent

politique

Intérêt pour lapolitique

MeS

SM

od

ule

II

S3

REchelles unidimensionnelles

• Variable latente: Conceptualisation et mesure- Hypothèse a priori: unidimensionalité

• Construction- Batteries de questions

- Construction (technique)- Type d’échelle: classification, continue, ....

→ Niveau de mesure

- Construction: règles ad-hoc- Echelle additive

→ Propriétés: items substituables

- Démarches systématiqueschoix des items et construction de l’échelle

- Echelle de Thurstone- Echelle de Likert (échelle additive)- Echelle de Guttman (échelle additive hiérarchique)

• Diagnostic et étude de la cohérence- Distribution- Corrélations items/échelle (RELIABILITY, alpha de Cronbach)

• Validation de l’échelle- Pertinence dans l’analyse

- Echelle de leadership d’opinion- Proposition 1: Leader/Non-Leader

- Proposition 2: Classification en 4 groupes

- Proposition 3: Echelle continue (additive)

- Proposition 4: ....

- Echelle additive- Simple

PotAct = A + B + C + D + EPotAct = (A + B + C + D + E)/5

- Avec pondérationPotAct = A + B + 1.5•C + 2•D + 2•E

MeS

SM

od

ule

II

S4

REchelle de post-matérialisme (Inglehart)

- Théorie qui postule un changement irréversible des priorités devaleurs dans les sociétés post-industrielles

- Mesure: question

- Objectifs de la société: Indiquer l’objectif prioritaire, le deuxième....

- A. Maintenir l’ordre et la sécurité

- B. Améliorer la participation des citoyens

- C. Combattre la hausse de prix

- D. Garantir la liberté d’expression

Première priorité

A B C D

A (1) 3 1 3B 2 (4) 2 4C 1 3 (1) 3D 2 4 2 (4)2e

prio

rité

1 = Matérialiste2 = Plutôt matérialiste3 = Plutôt post-matérialiste4 = Post-matérialiste

Tableau logique(règles de construction)

Instructions SPSS

MeS

SM

od

ule

II

S5

R

Première priorité (P1)

1 2 3 4

1 (1) 3 1 32 2 (4) 2 43 1 3 (1) 34 2 4 2 (4)2epr

iori

té(P

2)• 16 conditions logiques

IF P1=1 AND P2=1 PMAT= 1.IF P1=1 AND P2=2 PMAT= 2.IF P1=1 AND P2=3 PMAT= 1.IF P1=1 AND P2=4 PMAT= 2.IF P1=2 AND P2=1 PMAT= 3.IF P1=2 AND P2=2 PMAT= 4.IF P1=2 AND P2=3 PMAT= 3.IF P1=2 AND P2=4 PMAT= 4.IF P1=3 AND P2=1 PMAT= 1.IF P1=3 AND P2=2 PMAT= 2.IF P1=3 AND P2=3 PMAT= 1.IF P1=3 AND P2=4 PMAT= 2.IF P1=4 AND P2=1 PMAT= 3.IF P1=4 AND P2=2 PMAT= 4.IF P1=4 AND P2=3 PMAT= 3.IF P1=4 AND P2=4 PMAT= 4.

VARIABLE LABEL PMAT “Echelle d’Inglehart”.VALUE LABELS PMAT 1 “Matérialiste” 2 “plutôt matérialiste”

3 “plutôt post-matérialiste” 4 “Post-matérialiste”.

Données manquantes?

MeS

SM

od

ule

II

S6

RMesures de cohérence d’une échelle additive

• Procédure RELIABILITY

- Corrélations entre échelle et variables (items)

- Importance relative de chaque variable

• Coefficient de Cronbach

- Mesure de cohérence interne de l’échelle

- Corrélation (moyenne) entre l’échelle et les items

- Varie entre 0 et 1 (conseillé: min. 0.7)

k = nombre d’items

Vartot = variance totale (covariation des items)

Varitem = variance spécifique à chaque item

k

k 1–-----------

Vartot Varitem

item 1=

k

–

Vartot

-------------------------------------------------------------=

MeS

SM

od

ule

II

S7

R

Echelles multidimensionnelles

• Démarche

- Analyse de la covariation: Première, 2e, ... dimension (“axes”)

- Variables latentes: Dimensions sous-jacentes (facteurs, composants)

- Analyse factorielle (ACP=Analyse en composantes principales)

• Eléments

- Centralité des variables (communalités)

- Combien de dimensions?

- Importance d’une dimension: % de variance expliquée

- Echelles des variables [corrélations variables/facteurs] →Interprétation, baptême de dimension

- Echelles des observations (scores factoriels)

• Validation de l’échelle

- Pertinence dans l’analyse

MeS

SM

od

ule

II

S8

R

1.000 .548

1.000 .441

1.000 .514

1.000 .540

1.000 .518

1.000 .402

1.000 .517

1.000 .502

1.000 .479

1.000 .451

Communalities

moderne CH Moderne

fermee CH Fermée

peupart PartFaible des citoyens

fsuisses Plus de chances aux suisses

autpays Ecoute autres pays

cantons Cantons plus de pouvoir

marche Confiance au marché

revegal Revenus égalitaires

economie Economie plus importante

sarmee CH sans armée

Initi

al

Ext

ract

ion

Extraction Method: Principal Component Analysis.

Centralité des variables (corrélations entre chaque item et la structure factorielle)

Communalités

MeS

SM

od

ule

II

S9

R

Total Variance Explained

2.35 23.46 23.46 2.35 23.46 23.46

1.35 13.52 36.98 1.35 13.52 36.98

1.21 12.13 49.11 1.21 12.13 49.11

.96 9.60 58.70

.90 9.02 67.73

.81 8.10 75.83

.74 7.45 83.28

.63 6.32 89.60

.55 5.54 95.14

.49 4.86 100.00

Component1

2

3

4

5

6

7

8

9

10

Total% of

Variance Cumulative % Total% of

Variance Cumulative %

Initial Eigenvalues Extraction Sums of Squared Loadings


Importance relative des facteurs: Variance expliquée

Résultat de l’extraction des facteurs

Valeurs propres v

MeS

SM

od

ule

II

S10

R

Component Matrixa

.691 -.064 .257

-.651 .011 .132

.129 -.677 .198

-.698 .064 .219

.658 .029 .289

-.184 .419 .439

-.075 -.024 .715

.025 .674 .217

-.248 -.476 .437

.638 .165 .130

moderne CH Moderne

fermee CH Fermée






revegal Revenus égallitaires



1 2 3

Component


3 components extracted.a.

Corrélation de cette variableavec la première dimension

• Corrélations entre variables et facteurs

- Coordonnées factorielles, (factor) loadings, cosinus (des angles),composantes (principales)

MeS

SM

od

ule

II

S11

R

• Corrélations entre variables et facteurs- Coordonnées factorielles, (factor) loadings, composantes (principales)

Component Matrixa

-.698 .219

.691 .257

.658 .289

-.651

.638

-.677

.674 .217

-.248 -.476 .437

.715

.419 .439


moderne CH Moderne


fermee CH Fermée



revegal Revenus égalitaires




1 2 3

Component


3 components extracted.a.

Coordonnées

MeS

SM

od

ule

II

S12

R

-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75

Component 1

-0.75

-0.50

-0.25

0.00

0.25

0.50

0.75

Component2

CH ModerneCH Fermée

PartFaible des citoyens

Plus de chances aux suisses

Ecoute autres pays

Cantons plus de pouvoir

Confiance au marché

Revenus égalitaires

Economie plus importante

CH sans armée

Component Plot

Dimension 1 et 2

Co

mp

on

en

t2

Variance expliquée 24%

Va

ria

nce

exp

liq

uée

14%

Interprétation des dimensions

Qu’est-ce queces variablesont en commun?

En quoi ces deuxgroupes de variabless’opposent?

MeS

SM

od

ule

II

S13

R

Scores (valeurs) factoriels

• Analyse des scores factoriels avec d’autres variables

- Variables utilisées dans l’ACP → Comprendre le résultat

- Avec d’autres variables →Comprendre les dimensions, les expliquer

• Utilisation dans l’analyse

- Scores = Echelle construite

- Score = résumé

- → Utilisation comme variable(s) dépendante(s) ou indépendante(s)

MeS

SM

od

ule

II

S14

RPortée/validité de l’échelle construite?

• “Utilité dans l’analyse”

- Discrimination de groupes des variables indépendantes?

- L’échelle est-elle un bon facteur explicatif?

• Tableaux croisés

• Tableaux de moyennes

MeS

SM

od

ule

II

S15

R

Aucune formscol/prof

Ecoleobligatoire

Appr prof ouécole prof

Ecole dematurité

Form sup techet prof

Ecole tech sup Université,EPF

Dernière école achevée

0

3

6

9

12

15

Potact1

Cases weighted by Pondération sur regling, données OFS grisons=além

Représentation graphique (boîte à pattes/Boxplot)

MeS

SM

od

ule

II

S16

RAnalyse de la variance (ANOVA)

• y = f (X1, X2,....)- Y (critère) : Quantitatif (continue)

- X1, X2 (facteurs): Qualitatif (catégoriel)

• Comparaison des catégories de la variable indépendante- Tableaux de moyennes/écart-types

- Boxplot (boîte à pattes)

• Décomposition de la varianceV

total= V

inter-groupes+ V

intra-groupes

Var(y) = Var(x) + Var(reste)attribuable à X attribuable à “autre chose”

- QualitéVariance expliquée)

- Relation (force)

• Signification statistique

- Relation → Test de F

MeS

SM

od

ule

II

S17

R

Variable dépendanteV

aria

ble

indé

pen

dan

teNominal Ordinal Intervalles

Nominal

Ordinal

Intervallesr

Régression

Tableaux

croisés

T T

Analyse

de la

variance

MeS

SM

od

ule

II

S18

RSégmentation Arbre de l’abstentionnisme

% d’abstentionniste dans le groupe

Suisse

40%

(1917)

N’a pas de préf. partisane

60%

(615)

A une préf. partisane

30%

(1302)

Educ. supérieure

54%

(183)

Educ. primaire

78%%

(235)

Hommes

46%

(197)

Femmes

67%

(418)

Revenu < 2000 F

45%

(419)

Membre org.prof

18%

(426)

Non-membre-org.prof.

36%

(876)

Age > 29

40%

(150)

Age 20-29

68%

(47)

Revenu > 2000F

28%

(457)

Femmes

53%

(256)

Autres profession

21%

(309)

Ouvriers

41%

(148)

Hommes

32%

(163)

Contrastemaximal(différence)

“noeud”

parent

enfant

split

Critères d’arrêt- effectif du noeud- seuil de contraste (difference)

MeS

SM

od

ule

II

S19

RSPSS: Quelques conseils

• Avant tout analyse plus sophistiquée

- Connaissez vos variables: Faites un diagnostic

- Distribution? Particularités? Donnes manquantes?

Transformations(par exemple pour construire une échelle)

• Analysez le problème → tâches à effectuer- Tableau logique du problème (cf. échelle de post-matérialisme)

- Faites les opérations “à la main” pour quelques individus typiques; lerésultat fait-il sens?

• Procédez par étapes- Plus facile à vérifier/à corriger

MeS

SM

od

ule

II

S20

R

• Vérifiez que tout s’est bien passé- Erreurs syntaxiques

- Messages d’erreurs/avertissements de SPSS (il ne devrait pas en avoir)- Attention: Il faut les chercher/lire; parfois il est nécessaire de faire défiler la fenêtreoutput en arrière....

- Erreurs logiques- Logique de l’échelle respectée?- Correspondance avec votre tableau logique

• Examinez la plausibilité des résultats (tableaux de fréquences)- Nombre d’observations (plausibles?)

- Valeurs plausibles, attendues?

- Individus typiques, individus extrêmes?

• Données manquantes- Avez vous déclaré correctement vos données manuqantes?

- Traitement automatique vs. traitement explicite

- Diagnostic... Le nombre des d.m. n’est-il pas trop élevé?

MeS

SM

od

ule

II

S21

R

• Documenter les nouvelles variables et les variablestransformées (libellés)

- Sauf si la durée de vie de la variable est très courte... (p. ex. pendant l’examen)

- et .. il vaut mieux pas documenter que mal documenter

• Stratégies de “déboguage”

- Correction séquentielle des erreurs/problèmes

- Insertion d’une procédure FREQUENCIES après chaque pas de transformation

- Pour les échelles p.ex. faites les opérations “à la main” pour quelques “cas”typiques

... et

• Un logiciel ne fait que suivre vos ordres:

- Apprenez à connaître les ordres qu’il peut suivre.

- Ne croyez pas aux miracles.

MeS

SM

od

ule

II

S22

R

RECODE Q84 (1=2) (2=1).VALUE LABELS V84 1 “Femme” 2 “Homme”.FREQUENCIES VAR=Q84.

Exemple d’un piège idiot....

Soit

Objectif: Intervertir Homme/femme

Message d’avertissement

Résultat: recodage ok, maislibellés inchangés

MeS

SM

od

ule

II

S23

R/* Creation d'une échelle potact pondérée:

/*compute potact2=0.5*A1 + 0.9*A2+1.75*A3+2*(A4+A5).

compute potact2=((potact2a-7.15)/14.30)*20.

formats potact2(F3.1).freq var=potact2.

Message d’erreur>Error # 4295 column 19 variable name too long or isnot defined by a previous command.>>Command not executed

Documents

R Module 2: Les échelles • Echelles et mesure en … · • Echelles et mesure en sciences sociales ... S6 R Mesures de ... loadings, cosinus (des angles), composantes (principales)